跳至主要内容

HyDE 检索器

此示例演示了如何使用 HyDE 检索器，它实现了如本文中所述的假设文档嵌入 (HyDE)。

从总体上讲，HyDE 是一种嵌入技术，它接收查询，生成假设答案，然后嵌入生成的文档并将其用作最终示例。

因此，为了使用 HyDE，我们需要提供一个基本嵌入模型以及一个可用于生成这些文档的 LLM。默认情况下，HyDE 类附带了一些默认提示以供使用（有关更多详细信息，请参阅本文），但我们也可以创建自己的提示，这些提示应该具有单个输入变量 {question}。

用法​

提示

请参阅本节以获取有关安装集成包的一般说明。

npm install @langchain/openai
import { OpenAI, OpenAIEmbeddings } from "@langchain/openai";
import { MemoryVectorStore } from "langchain/vectorstores/memory";
import { HydeRetriever } from "langchain/retrievers/hyde";
import { Document } from "@langchain/core/documents";

const embeddings = new OpenAIEmbeddings();
const vectorStore = new MemoryVectorStore(embeddings);
const llm = new OpenAI();
const retriever = new HydeRetriever({
  vectorStore,
  llm,
  k: 1,
});

await vectorStore.addDocuments(
  [
    "My name is John.",
    "My name is Bob.",
    "My favourite food is pizza.",
    "My favourite food is pasta.",
  ].map((pageContent) => new Document({ pageContent }))
);

const results = await retriever.invoke("What is my favourite food?");

console.log(results);
/*
[
  Document { pageContent: 'My favourite food is pasta.', metadata: {} }
]
*/

API 参考

此页面是否有用？


您也可以在 GitHub 上留下详细反馈 GitHub.